ID-Blau开源项目 – 通过隐式扩散去模糊图像

Rerun 是一个用于记录计算机视觉和机器人数据的 SDK，并配有可视化工具，可以随时间探索这些数据。它允许用户以最小的代码调试和理解系统的内部状态和数据。开发者可以将数据记录到 Rerun SDK，系统会自动进行可视化处理。Rerun 支持来自多个进程的实时数据流，并可回放录制的数据。Rerun Viewer 根据记录的数据创建可配置的可视化效果，用户可以随时回溯和前进时间。

AI. Image Enlarger是一个免费的在线工具，利用AI技术自动放大和增强小图像，而不会失去质量。用户可以在不妥协分辨率和清晰度的情况下放大JPG或PNG图片。

Picsart Mod APK是一款先进的照片和视频编辑应用，提供无广告环境、去水印、背景去除、AI图像增强、解锁高级工具、音乐和图片效果、拼贴图、可自定义模板，以及一个共享创意和作品的互联网社区。

Landing AI 是一个计算机视觉平台和人工智能软件公司，提供名为 LandingLens 的云计算机视觉软件平台。用户可以通过自然提示交互在几分钟内创建自定义计算机视觉项目，使构建计算机视觉系统变得快速、简单和直观。用户可以直接拖放图像或通过网络摄像头捕获实时图像，使用标记工具标记图像中的对象，创造高质量的训练数据以实现最大准确性。标记后，用户可以训练模型并评估其性能。一旦模型足够准确，可以通过几次鼠标点击将其部署到云端或边缘设备。用户可以监控模型性能并根据需要进行更新。

UC伯克利研究推出的深度学习框架

DiffMorpher是首个利用扩散模型进行图像变形的方法。其关键思路是通过对两个图像拟合两个LoRA（局部反向自动编码器）来捕捉它们的语义，并在LoRA参数和潜在噪声之间进行插值，以确保平滑的语义过渡。

nano-simsiam是一个极简的PyTorch实现的SimSiam自监督学习框架，仅用400行代码实现，基于ResNet50在ImageNet上达到良好性能。它支持分布式训练、实时KNN评估和自动混合精度训练，非常适合研究原型开发，代码简洁易于理解和修改。

Jetcounter是一款基于人工智能的物品计数应用，利用计算机视觉软件准确地从照片中计数相似物品。用户可以选择内置的不同类别模板，上传照片或使用设备摄像头，Jetcounter会识别并计数图片中的物体，支持放大查看细节并手动纠正错误。

Phoenix是一个notebook-first的Python库，利用嵌入技术发现LLM、计算机视觉(CV)、自然语言处理(NLP)和表格模型中的潜在现象和问题。它支持多种模型的可观察性，提供洞察发现工具，帮助识别和解决模型问题，并集成监控功能以实时跟踪模型性能，同时支持模型的微调和优化。

OpenCV Zoo是由OpenCV提供的预训练深度学习模型和算法集合，适用于各种计算机视觉任务。该项目包含了多种预训练模型，支持多种深度学习框架，如TensorFlow、PyTorch和ONNX，并提供了易于使用的API，方便将模型集成到应用中。项目开源且社区驱动，定期更新新模型和改进。

MindCV是一个基于MindSpore的视觉模型和算法工具箱，致力于计算机视觉相关技术的研究与开发。它提供了全面的视觉模型集合，并与MindSpore框架深度集成，支持多种计算机视觉算法。该项目是开源的，社区驱动，既适用于研究，也适用于实际应用。

Encord是一个全面的数据引擎，专为AI模型开发而设计。它为高级计算机视觉团队提供工具和工作流程，以简化标记和工作流管理，清理和整理数据，验证标签质量，以及评估模型性能。用户可以通过创建项目和上传视觉数据来使用Encord，随后使用注释工具和工作流管理功能进行数据标注。

AI反向图像搜索是Vecteezy推出的创新工具，旨在帮助创意专业人士快速找到符合项目概念或风格的高质量图像。通过上传图像，该工具利用先进的计算机视觉和机器学习技术，提供相关的图像搜索结果，同时确保所有返回的图像均可合法使用，消除版权顾虑。

《机器人学、视觉与控制（第三版）》的Python代码实例库，提供第三版教科书中的算法实现，助力机器人与计算机视觉领域的学习和研究。该项目包含多种与机器人学和计算机视觉相关的算法实现，适合用于教学和实践相结合的学习方式。

opencv_contrib是OpenCV的额外模块库，包含了许多未包含在OpenCV主仓库中的功能和算法。它提供了大量额外的图像处理和计算机视觉算法，支持深度学习模型的应用和集成，并包含了许多实验性和前沿的计算机视觉技术。此外，opencv_contrib还提供了丰富的工具和插件，进一步扩展了OpenCV的功能。

Undress AI Pro是一个基于计算机视觉的应用程序，通过机器学习技术将人像中的衣物去除，生成合成裸露图像。用户只需上传照片，即可在几分钟内获得处理结果。该项目在技术上具有争议性，同时也为探索计算机视觉技术提供了新的视角。

PyTorch Image Models (timm) 是一个 PyTorch 图像模型集合库，旨在为研究人员和开发者提供丰富的、预训练的图像编码器和骨干网络，方便快速构建和实验各种计算机视觉应用。timm 库不仅提供了模型架构，还包含了训练和验证的技巧，支持多种优化器，并提供了灵活的配置接口。它包含了广泛的模型，如ResNet、EfficientNet、ViT、MobileNet等，这些模型在ImageNet数据集上接受了预训练，可以针对特定的应用程序进行微调。

该项目是一个基于PyTorch实现的Spatial Transformer Network (STN)，采用Thin Plate Spline (TPS)技术进行空间变换，能够灵活地对输入图像进行几何变换，支持高效的训练与推理。

Let's Enhance 是一个基于AI的在线照片增强和放大平台，利用先进的算法和神经网络提高图像质量、增加分辨率、修复模糊和像素化，并为照片增添清晰度。该平台提供用户友好的界面，快速简便地解决图像增强和放大的需求。

FlashAttention是一个开源的推理加速工具，专为AI大模型设计，通过优化注意力机制的计算流程，显著提升推理速度，尤其适合需要实时响应的场景。其v2版本比v1快2倍，比标准注意力机制快5-9倍，在A100上达到225 TFLOPs/s的训练速度，并已在大多数LLM库中得到广泛应用。

Maintain-AI是一个自动化检测、分析和报告道路及相关基础设施性能的平台，利用AI技术检测路面缺陷，评估基础设施元素，并提供客观的网络检查。